Overlay Performance in Canadian Strategic Highway Research Program’s Long-Term Pavement Performance Study
Notice bibliographique
Résumé
The Canadian Long-Term Pavement Performance (C-LTPP) study, initiated in 1989, involves 65 sections in the 24 provincial sites that received rehabilitation comprising various thicknesses of asphalt overlays. The effects of the various alternative rehabilitation treatments on pavement performance in terms of roughness progression under comparative traffic loading, climate, and subgrade soil conditions are described. Roughness trends are the main subject of the C-LTPP study. Progression of roughness for thin overlays (30 to 60 mm) is significantly higher on a national basis than for medium (60 to 100 mm) and thick (100 to 185 mm) overlays. Factor effects, including climatic zone, subgrade type, and traffic level were also evaluated. Some findings are that ( a) in wet, high-freeze zones, thinner overlays show a higher rate of roughness progression than thicker overlays, regardless of subgrade type; ( b) in dry, high-freeze zones, roughness progression for medium and thick overlays is relatively small; ( c) in wet, low-freeze zones, thinner overlays combined with a fine subgrade show the highest rate of roughness progression; ( d) traffic in terms of equivalent single-axle loads (ESALs) appeared to have a limited effect for all the preceding factors—this was attributed largely to all the traffic essentially falling into one level and to the designation of 200,000 ESALs per year as the boundary between low and high traffic levels. In conclusion, the C-LTPP experiment has provided valuable information on roughness trends after only 8 years of observations. The methodology developed in this study for pavement roughness evaluation can be applied to performance trends analysis of other measured LTPP data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».